--- tags: [数学一, 知识点构建, 背诵版, 概率论, 随机事件, 一维随机变量] 专题: 概率论 · 第1+2讲 随机事件与一维随机变量(合并)· 背诵版 日期: 2026-10-27 更新: 2026-11-08(v2 重构:分块排版 + 真题地图对齐 sqlite + 纯题干题单) 状态: 背诵版 v2(考点分块完整呈现 + B 题型考点 + 31 题纯题干清单) 来源: 参考仓库 Math/probability-theory-and-mathematical-statistics/{knowledge/1, knowledge/2 一维部分, exercise/1, exercise/2 一维}|真题库 papers/近十年真题题库/kaoyan_math1.db(chapter 15–16) 关联笔记: ["[[README]]", "[[17-背诵版-概率论-第3讲-多维随机变量及其分布]]"] --- # 概率论 · 第1+2讲 随机事件与一维随机变量 · 背诵版 > **范围**:参考仓库 `knowledge/1`(事件与概率)+ `knowledge/2` 的**一维部分**(多维见 [[17-背诵版-概率论-第3讲-多维随机变量及其分布|第3讲]],不重复)。 > **用法**:§0 搭骨架 → 逐节闭卷回忆 → §B 过题型 → 题单自测(只有题干,卡住回查参考仓库对应 tex 或本专栏解析)。 ## 0 骨架(先背这张图) ### 0.1 一句话与依赖链 **一句话**:概率论 = **「算事件的概率(计数 + 公式)」+「刻画随机变量(分布函数 → 分布律/密度 → 常见分布 → 函数分布)」**。 **依赖链**:记数法 → 事件运算 → 概率公理与性质 → 条件/全概率/贝叶斯 → 独立性 → 随机变量与 $F(x)$ → 离散/连续两套语言 → 常见分布 → 函数分布。 **一条锚**:任何结论都要能回到 **$F(x)=P\{X\le x\}$ 的三性质** 与 **$\sum p_i=1$ / $\int f=1$** 去自检;算出来的概率不在 $[0,1]$ 或全积不为 1,立刻回头查。 ### 0.2 十年真题地图(sqlite:概率基础章,2016–2025) | 年份·题号 | 考点 | 分值 | 本章归属 | |---|---|---|---| | 2025·16 | 独立事件 + 条件概率 | 5 | §3 独立性 | | 2024·16 | 独立重复试验的条件概率 | 5 | §3 独立性 | | 2024·10 | 随机变量函数的分布(指数) | 5 | §7 函数分布 | | 2024·8 | 正态随机变量的概率等式反求参数 | 5 | §6 连续型 | | 2023·16 | 独立随机变量(二项)求 $P\{X=Y\}$ | 5 | §5 离散型 | | 2022·16 | 条件概率(独立 + 互斥) | 5 | §2 概率公式 | | 2021·8 | 条件概率命题真假判断 | 5 | §2 概率公式 | | 2020·7 | 恰有一个事件发生的概率 | 4 | §2 概率公式 | | 2019·14 | 分布函数与期望的复合概率 | 4 | §4 分布函数 | | 2019·7 | $P(A)=P(B)$ 的充要条件 | 4 | §1 事件运算 | | 2018·14 | 独立 + 条件概率($BC=\varnothing$) | 4 | §3 独立性 | | 2018·7 | 概率密度对称性 | 4 | §6 连续型 | | 2017·7 | 条件概率不等式的充要条件 | 4 | §2 概率公式 | | 2016·7 | 正态分布概率的单调性 | 4 | §6 连续型 | > **命题规律**:**选填 4–5 分,从不出解答**。高频三件事:① 独立/互斥/条件概率的**命题辨析**(2021·8、2017·7、2022·16);② **用 $F$ 或对称性反求**(2019·14、2018·7、2024·8);③ **函数分布**(2024·10 起手,大题在第 3 讲)。数字特征类(2023·8、2022·8、2021·16、2020·14、2017·14、2016·8)归 [[18-背诵版-概率论-第4讲-数字特征|第4讲]]。 ### 0.3 考点树 | 节 | 考点 | 题号 | |---|---|---| | §1 | 样本空间、事件关系与运算、集合翻译 | 4、5 | | §2 | 概率公理与性质、古典/几何概型、条件概率、全概率、贝叶斯 | 1–3、6–9 | | §3 | 独立性、两两独立 vs 相互独立、$n$ 重伯努利 | 10–14 | | §4 | 分布函数定义与三性质、用 $F$ 算概率、$F(g(x))$ 判定 | 15–19 | | §5 | 分布律、五类离散分布、泊松定理 | 20–24 | | §6 | 密度、三类连续分布、标准化与分位点 | 25–28 | | §7 | 离散映射合并、分布函数法、三个常用变换 | 29–31 | ## 1 样本空间与随机事件 ### 1.1 四个基本概念 | 概念 | 定义 | 记号 | |---|---|---| | 随机试验 | 可重复、结果不止一个、试验前不知哪个结果 | $E$ | | 样本空间 | 所有可能结果的集合 | $\Omega$ | | 样本点 | $\Omega$ 的元素,即一个基本结果 | $\omega$ | | 随机事件 | $\Omega$ 的子集;一个样本点组成**基本事件** | $A,B,\dots$ | 必然事件 $\Omega$、不可能事件 $\varnothing$。**事件是集合**——这条决定了后面所有运算都能用集合语言。 ### 1.2 事件的关系 | 关系 | 含义 | 集合语言 | |---|---|---| | 包含 | $A$ 发生必导致 $B$ 发生 | $A\subset B$ | | 相等 | 互相包含 | $A=B$ | | **互斥(互不相容)** | 不能同时发生 | $AB=\varnothing$ | | **对立(逆)** | 必有一个发生且不能同时发生 | $A\cup\overline A=\Omega,\ A\overline A=\varnothing$ | | **完备事件组** | 两两互斥、并为 $\Omega$ | $\sum_iA_i=\Omega,\ A_iA_j=\varnothing\ (i\ne j)$ | > **互斥与对立的区别**:对立一定互斥,互斥不一定对立(还差"必有一个发生")。做题时"至少一个发生"用对立,"不能同时发生"用互斥。 ### 1.3 事件运算与运算律 **五种运算**:积 $AB$(同时)、和 $A\cup B$(至少一个)、差 $A-B=A\overline B$($A$ 发生而 $B$ 不发生)、逆 $\overline A$、对称差(不考)。 **运算律**:交换、结合、分配($A(B\cup C)=AB\cup AC$)、吸收($A\cup AB=A$)、**对偶律(德摩根)** $$\overline{A\cup B}=\overline A\,\overline B,\qquad \overline{AB}=\overline A\cup\overline B .$$ **差化积**:$A-B=A-AB=A\overline B$;由此 $P(A-B)=P(A)-P(AB)$。 ### 1.4 集合翻译(把文字条件写成式子) | 文字 | 式子 | |---|---| | $A,B$ 至少一个发生 | $A\cup B$ | | $A,B$ 都不发生 | $\overline A\,\overline B$ | | 恰好一个发生 | $A\overline B\cup\overline A B$ | | $A$ 发生而 $B$ 不发生 | $A\overline B$ | | "$C$ 发生必然导致 $AB$ 同时发生" | $C\subset AB$ | | $A,B$ 互不相容 | $AB=\varnothing$ | > **真题接口**:2019·7 考「$P(A)=P(B)$ 的充要条件」——把每个选项翻译成集合式,再用 $P(A)=P(A\overline B)+P(AB)$ 逐一比对,比硬凑概率快得多。 ## 2 概率的定义与性质 ### 2.1 三条公理(柯尔莫哥洛夫) 对样本空间 $\Omega$ 上的事件 $A$:① **非负** $P(A)\ge0$;② **规范性** $P(\Omega)=1$;③ **可列可加**:$A_1,A_2,\dots$ 两两互斥时 $P\left(\bigcup_{i}A_i\right)=\sum_iP(A_i)$。 ### 2.2 由公理推出的六条性质(必背) | 性质 | 公式 | 备注 | |---|---|---| | 不可能事件 | $P(\varnothing)=0$ | 反之不成立 | | 有限可加 | 互斥时 $P(A\cup B)=P(A)+P(B)$ | 可推广到有限个 | | **减法** | $P(A-B)=P(A)-P(AB)$ | 最关键,一切"差"都用它 | | **单调性** | $A\subset B\Rightarrow P(A)\le P(B)$ | 且 $P(B-A)=P(B)-P(A)$ | | **加法公式** | $P(A\cup B)=P(A)+P(B)-P(AB)$ | 三个事件再加 $-P(AB)-P(AC)-P(BC)+P(ABC)$ | | 有界性 | $0\le P(A)\le1$ | $P(\overline A)=1-P(A)$ | > **两个反直觉点**(选择题爱考): > ① $P(A)=0$ **推不出** $A=\varnothing$(连续型单点概率为 0);$P(A)=1$ **推不出** $A=\Omega$。 > ② **互斥 $\Rightarrow P(AB)=0$,但 $P(AB)=0$ 推不出互斥**(同上,单点概率为 0 但事件不空)。 ### 2.3 古典概型 **条件**:样本点有限且等可能。则 $$P(A)=\frac{\#A}{\#\Omega}=\frac{\text{有利样本点数}}{\text{样本点总数}} .$$ **三种计数法**: | 方法 | 触发词 | 公式 | 例 | |---|---|---|---| | **捆绑** | "必须在一起" | $A_m^m\cdot A_{n-m+1}^{n-m+1}$ | 6 人排队 $AB$ 相邻:$A_2^2A_5^5$ | | **插空** | "不相邻" | 先排无限制者,再插入空位 | 6 唱 4 舞不相邻:$A_6^6A_7^4$ | | **插板** | "相同物分组、每组至少 1" | $C_{n-1}^{m-1}$ | 8 球入 3 盒每盒≥1:$C_7^2$ | **两个标准模型**: - **随机分配**:$n$ 个质点入 $N$ 个盒子,每质点独立选盒 ⟹ 总数 $N^n$(盒可空);若"每盒至多一个"⟹ $A_N^n$。 - **抽样**:有放回 ⟹ 每次独立、总数 $N^n$;不放回 ⟹ 有序 $A_N^n$、无序 $C_N^n$。 > **易错**:插空用**排列**(空位有先后),插板用**组合**(板无先后)。判断"是否同物"看题目是否强调"相同"。 ### 2.4 几何概型 样本是某区域内的**等可能点**,则 $$P(A)=\frac{m(A)}{m(\Omega)}\quad(m=\text{长度、面积或体积}) .$$ **标准动作**:把"随机取点"翻译成坐标 $(x,y)$,把事件写成不等式,画图求面积比。 ### 2.5 条件概率与乘法公式 **条件概率**($P(B)>0$): $$P(A\mid B)=\frac{P(AB)}{P(B)} .$$ **乘法公式**:$P(AB)=P(B)P(A\mid B)=P(A)P(B\mid A)$;三个事件 $P(ABC)=P(A)P(B\mid A)P(C\mid AB)$。 **条件概率也是概率**:对固定的 $B$,$P(\cdot\mid B)$ 满足三条公理,所以加法、减法、对立公式**全部照用**(只需在条件里补上 $B$)。 ### 2.6 全概率公式与贝叶斯公式 设 $A_1,\dots,A_n$ 为完备事件组,$P(A_i)>0$: $$P(B)=\sum_{i=1}^{n}P(A_i)P(B\mid A_i)\qquad(\text{全概率}),$$ $$P(A_j\mid B)=\frac{P(A_j)P(B\mid A_j)}{\sum_{i=1}^{n}P(A_i)P(B\mid A_i)}\qquad(\text{贝叶斯}).$$ | 公式 | 触发信号 | 方向 | |---|---|---| | 全概率 | "分几种情况/几条来源 ⟹ 一个结果" | 由因求果 | | 贝叶斯 | "已知结果,问来自哪个原因" | 由果溯因 | > **贝叶斯的分母永远是全概率**。写不出分母,说明完备事件组没找对。 ## 3 独立性 ### 3.1 两个事件独立 **定义**:$P(AB)=P(A)P(B)$。等价形式(当 $P(A)>0,P(B)>0$): $$P(A\mid B)=P(A)\iff P(B\mid A)=P(B)\iff P(A\mid B)+P(\overline A\mid B)=1 .$$ **核心定理**:$A,B$ 独立 $\iff$ $A$ 与 $\overline B$ 独立 $\iff$ $\overline A$ 与 $B$ 独立 $\iff$ $\overline A$ 与 $\overline B$ 独立(**补事件不破坏独立性**)。 > **条件**:$P(A\mid B)=P(A\mid\overline B)$ 也等价于独立,但**必须要求 $0
**真题接口**:2024·16(已知至少成功一次的条件下全部成功的条件概率)、2023·16(独立二项求 $P\{X=Y\}$)都是把"独立 ⟹ 乘"与"条件概率 ⟹ 除"两步拼起来。
## 4 随机变量与分布函数
### 4.1 定义
随机变量 $X=X(\omega)$ 是定义在 $\Omega$ 上的实值函数。**分布函数**
$$F(x)=P\{X\le x\},\qquad x\in\mathbb R .$$
### 4.2 三性质(充要,判断题必用)
① **单调不减**:$x_1 0)$,独立重复观测直到出现第 2 个大于 3 的观测值为止,$Y$ 为观测次数,求 $Y$ 的分布律。
- **题 24 · 均匀分布反求参数(★★★)**【e2】:$X\sim U(a,b)$($a>0$),$P\{0